面向书写教学的手写汉字图像笔画还原

为了实现智能化汉字书写教学,提出一种手写汉字图像的笔画还原方法。首先提取手写汉字图像的骨架;然后从知识工程的角度出发,利用字形中稳定的拓扑信息,消除骨架中的歧义变形;最后利用A*算法建立并求解手写汉字与相应模板汉字的字形相似度模型,从而分割出手写汉字图像中的各个笔画,并输出它们与模板汉字中各个笔画的对应关系。此方法的笔画还原结果可以应用于手写汉字规范性的自动化评判等场合。     

基于局部信息的手写汉字笔画提取

现有计算机在指导手写汉字练习与测试中，指导依据大都基于全局特征，缺少基于更细粒度特征。提出一种基于局部信息的手写汉字笔画提取方法，为手写汉字评价与指导等任务提供数据支持。首先提取出汉字骨架并对骨架中的毛刺与断裂等问题进行优化；然后使用PBOD算法提取汉字交叉区域后，对交叉区域进行合并删除，消除笔画形变，通过局部信息计算笔画段的组合系数，根据组合系数提取笔画；最后根据获取到的笔画数与算法迭代次数，动态调整组合系数阈值，保证在正确连接笔画段的前提下提取到更可能多的笔画。将该方法在手写汉字数据集上进行实验，其准确率、召回率与F1值分别达到了95.91%、95.71%与95.81%，可用于后续的手写汉字评判与指导等任务。     

汉字笔画若干数据的统计方法研究与应用

统计汉字笔画信息的各种数据,这些数据主要包括:每个汉字的平均笔画数及按使用频度加权的平均笔画数、以各种笔画起笔的汉字数目、各种笔画在汉字字库中的出现次数、汉字字库中笔画相同的汉字、能与其他字区分开的汉字前若干笔画数的平均数与加权平均数以及汉字字库中相邻笔画的频度等。统计的数据对于基于笔画的汉字输入法和汉字的联机手写识别等方面具有重要的指导意义,我们根据这些统计资料设计了标准键盘和数字键盘,并在Windows下实现了以上两种笔画输入法。     

一种联机手写汉字识别算法的设计与实现

提出了一种统计识别算法与结构算法相结合的联机手写汉字识别算法，模糊采集手写汉字与模板的结构对应关系．应用统计算法进行特征匹配识别，实现了与书写笔划顺序无关的快速、高识别率、手写字形限制小的国标两级汉字识别．     

基于动态规划的联机手写汉字分割方法

为解决手写汉字文本的自动切分问题,提出了一种基于动态规划的联机手写汉字分割方法.该方法根据手写笔画的结构特征、笔顺信息以及神经网络分类器给出的类概率构造代价函数,并将其分别应用于手写句子的预分割和基于识别的分割过程,然后利用动态规划算法寻找最佳分割路径.预分割在保持较低误分割率的前提下,可以有效地降低候选分割块的数量,以加速分割过程.实验结果表明,预分割的误分割率为0.57%,过分割率仅为11.1%;在未应用语言模型的情况下,最终的正确分割率为88.2%.     

基于笔段间关系的联机手写汉字HMM模型

为了提高联机手写汉字模型的空间结构描述能力和识别性能,从汉字的笔段关系出发,提出一种新的联机手写汉字模型,该文称之为属性关系Markov模型(ARHMM). ARHMM以经典Markov模型(THMM)为基础,结合属性关系图对二维图形结构的描述特点,提出了一种直接描述状态间关系的新观测量,从而更充分地利用汉字的空间结构信息. ARHMM具有完整的参数训练方法和识别算法.联机汉字识别的实验结果表明 ARHMM联机汉字模型与THMM联机汉字模型相比,在工整书写到自由书写的不同质量汉字样本上识别错误率均有所下降,平均错误率下降了23.65%.     

多笔画联机手写字符识别的动态时间规正算法

在单笔画符号(或字符)联机手写识别中,动态时间规正(DTW)算法遵循时间次序约束和边界约束,并具有较高的识别率.为了将此算法应用于多笔画符号识别,常用而简单的方法是按照人们的手写顺序连接多笔画符号为单笔画符号.但此方法存在一个问题:人们常使用不同的笔画顺序和笔画方向书写同一个符号,用朴素(Brute Force)方法寻找所有笔画可能性非常耗时.为了降低计算复杂度,文中提出了DTW A*算法.在部分笔画匹配时,此算法保留着次序约束,并用A*算法降低计算复杂度.文中还通过流程图数据库多笔画符号识别实验对比了DTW A*算法、DTW算法、改良Hausdorff距离3种算法的性能,结果表明DTW A*算法具有最高的识别率和最好的稳定性.     

基于笔划合并和动态规划的联机汉字切分算法

联机手写汉字识别已从单字识别走向多字,乃至整篇文档的识别,字符的正确切分很大程度上决定了系统的性能.为了提高系统对整页文档的切分识别性能,该文提出了一种联机手写汉字的切分算法.通过基于规则的笔划合并将单个笔划合并成字符块,在此基础上,采用动态规划算法,利用字符块的长宽比、大小、间距以及识别信息,寻找出最优的切分路径.同时,对于手写汉字的任意性,提出了一种对汉字外接矩形框进行裁减的调整算法,使外接框并不包含整个汉字.实验证明,该文所提出的算法对于字数较多的多行样本以及存在字符相互粘连的情况,都有着很好的效果.     

一种改进的手写汉字文本切分算法

在分析传统手写汉字文本切分算法利弊的基础上 ,提出了一种改进的基于快速连通域提取的切分算法 ,算法具有很强的抗干扰能力 ,有效解决了小角度歪斜图像和笔画粘连字符的汉字切分问题 .同时给出了具体的实现方法     

基于结构特征的汉字识别

提出一种基于文字结构特征的神经网络手写汉字识别策略 ,根据所提取的文字笔画方向、基本轮廓和交叉点等特征 ,采用基于自组织神经网络的模式聚类该方法完成正规手写文字的识别 .该方法提取的笔画轮廓十分准确有效 ,对手写汉字的约束少 ,可识别的汉字数量大 ,在仿真实验中有效地识别了绝大多数手写汉字     

自然手写汉字预处理子系统

针对自然手写汉字联机识别系统,设计了一种高效实用的预处理子系统,主要包括笔迹采集、归一化、 除重合点,连续化等功能模块,提出和完善了相应策略和算法,为后续处理奠定了良好基础,经分析和测试表明,它具有高变形稳定性和容忍度。     

有限集手写体汉字特是取及分类器设计

介绍了手写体汉字特征提取的基本概念，采用了一种叠合网络加权笔画提取方法用于提取有限集汉字特征。通过对径向基函数网络（RBF网络）的模型分析，提出了一种组合RBF网络分类器应用于有限集手写体汉字识别，并利用结合遗传算法和模拟退火算法的混合优化策略进行RBF分类器的训练。     

兼顾连笔和笔顺的联机手写汉字识别方法

为解决联机手写汉字识别技术中兼顾连笔和笔顺的难题，提出了联机手写汉字的模糊属性关系图描述和基于知识的松驰匹配方法。该方法能充分描述汉字结构、对手写变形不敏感，并具有良好的连笔字识别能力和适应不同笔顺的特点。基于上述方法，作者实现了一个联机手写汉字识别系统。实验结果表明，本方法能够有效地增加对于低限制书写汉字的识别正确率，并具有较好的抗噪声能力。经过２２５３０汉字测试，首位识别率达９８．８％，前十位识别率达９９．７％。     

脱机手写女书文字美化方法研究

针对脱机手写女书文字,在研究其细化后骨架特征和分析特征点的基础上,提出了一种对手写女书文字进行修整美化的方法。经扫描得到脱机手写女书文字,由于笔画存在一定宽度,致使细化后骨架局部发生畸变。提出一种基于畸变区、惩罚度C和n次贝塞尔曲线的自动纠正美化算法。实验结果表明,该算法能有效纠正畸变,得到无局部变异骨架,并实现批处理。     

基于子笔划的手写体汉字识别

该文给出一种汉字子笔划的提取方法 ,较好地解决了因子笔划相交 ,使提取的同类字符子笔划不稳定问题。引入了字符的固定部件划分方法及特征矩阵的概念。字符部件中包含各类子笔划的位置、长度等信息 ,特征矩阵是这些信息的集中体现。设计了一种新的遗传算法 ,由未知字符一个部件的一类子笔划表示的字符与某类模型的相似度 ,既由与其它 3类子笔划相应的相似度调节 ,又由与周围部件同类子笔划相应的相似度调节。实验表明 ,该手写体汉字识别方法是有效的     

自然手写汉字五笔码识别法

在深入剖析五笔字型键盘输入法编码原则和字根结构基础上,结合联机识别技术特点对五笔字根作出适应性发行后,提出了一种联机识别自然手写汉字新方法：五笔码识别法。在构建的识别体系中 采用了层间分级技术,并提出将键盘输入技术与联机识别技术有机融合,为联机识别自然手写汉字探索新途径。     

面向字形分析的联机手写汉字规整化算法的设计

本文着重介绍了将经过相关处理后的联机手写输入的汉字,以笔画为单位规整化为笔段网格描述字形的相关算法.为进一步的汉字字形分析、计算等处理建立了可靠的基础.     

一种手写体汉字的非线性规范化方法

手写体汉字变形问题是无约束手写体汉字识别的关键问题。规范化处理的目的是对字符图像点阵进行变换,矫正手写体汉字变形,减小同类字符之间的差异。文章提出了一种非线性规范化方法,它一方面调整了汉字的笔划分布,使笔划的分布密度趋于均匀;另一方面又调整了笔划的粗细,使笔划的宽度趋于一致。实验显示,用文章提出的方法产生的同类字符点阵的离散度小于用已有的几种非线性规范化方法产生的同类字符点阵的离散度,表阴提出的非线性规范化方法,较之已有的几种非线性规范化方法更有效地减小了同类字符之间的差异。     

汉字的层次轮廓特征及其应用

汉字特征的描述与匹配，是汉字识别研究中的两个重要问题。从上下左右四个不同的方向看一个汉字，在不同的层次和位置，可以得到不同的曲线段，这些曲线段是汉字笔划的反映，唯一地确定了汉字的结构。基于这一观点，本文从轮廓的角度，给出了汉字特征的一种形式化描述方法，提出了汉字的层次轮廓概念，给出了相应的局部最优匹配算法，最后，将该方法应用于特定人脱机手写体汉字识别中，取得了较为理想的效果。